데이터 분석이 어렵다는 생각에 갇히지 마세요.
비지도 학습의 필수 개념과 관련된 기법들을 이해하기 쉽게!
– 코딩 없이 다양한 데이터도 Orange로 손쉽게 활용하는 방법 정리
– 군집화 & 차원 축소 기법에 대한 탄탄한 이론 및 실습
– 시각화 기반 데이터 분석 프로세스를 누구나 이해 가능
지금 데이터를 어떻게 바라보고, 어떻게 다뤄야 할지 모르겠다면?!
이 강의로, 데이터 기반 의사결정을 실현할 수 있는 첫 걸음을 내딛으세요.
데이터 분석의 핵심인 비지도 학습! AI 분석 도구 Orange와 함께 쉽고 빠르게
실전에 바로 적용 가능한 핵심만 담은 Orange 데이터 분석 강의
수강 체험단 후기
기업 강의 전문, 노하우가 만들어낸 강의
시간 날 때 마다 데이터 분석을 조금씩 공부하려고 하는 취준생입니다!
코딩도 어떻게 하는지 모르고, 데이터 분석과는 거리가 멀었던 사람이었는데
Orange라는 도구도 알게 되고 데이터를 어떻게 다뤄야 하는지 깨달은 거 같아요.
처음 써보는데..잘 해보겠습니다
체험단 후기 (co******)
컴공 출신이지만 코딩은 이미 머릿속에서 사라져서 데이터 분석 공부를 망설였는데 어려운 개념들을 이해하기 쉽게 설명하시고 무엇보다 실습 자료가 풍부해서 좋았습니다.
Orange로는 간단한 데이터만 분석할 수 있을 줄 알았는데 복잡하고 양이 꽤나 많은 데이터들도 분석 가능하고 시각화 시킬 수 있는 도구였는지 알 수 있었습니다.
체험단 후기 (혜**)
회사에서 데이터 분석이 필요한 상황이 많아지면서 이 강의를 듣게 되었어요.
먼저, Orange로 DBSCAN과 같은 복잡하고 어려운 기능까지 구현할 수 있다는 게 놀라웠습니다!
IT 인강이라서 이해하기 어렵지 않을까 걱정했는데 그런 걱정이 무색할만큼 강의가 잘 구성되어 있어서 향후 프로젝트 진행을 할 때 효과적으로 활용할 수 있겠다는 생각도 들었어요.
체험단 후기(최**)
Orange를 통해 비지도 학습의 주요 방식인 군집화 & 차원 축소의 활용법을 제시하는 핵심 강의입니다.
1. 비지도 학습의 기본적인 개념 이해
지도 / 비지도 학습의 차이를 먼저 이해하고 비지도 학습의 기초 이론과 다양한 예시를 통한 학습
2. 다양한 군집화 기법을 실습하며 데이터 분류 능력 상승
K-평균 클러스터링 및 DBSCAN 기법의 기초부터 응용까지 이해하고 데이터를 그룹화하고 데이터의 패턴을 찾는 방법 학습
3. 거리 및 유사도를 활용한 데이터 간 유사성 분석 능력 습득
유클리드 & 맨해튼 거리 등 다양한 기하학적 거리 계산법 이해 및 코사인 유사도와 피어슨 상관계수 활용법 이해
4. 차원 축소 기법으로 데이터의 핵심 정보 추출하기
주성분 분석(PCA)으로 고차원 데이터를 간단하게 축소 및 t-SNE, LLE 등 비선형 차원 축소 기법까지 활용하고 데이터 시각화 실습
5. 실제 비즈니스 데이터에 적용 가능한 분석 및 시각화 기법 획득
다양한 실제 비즈니스 데이터를 분석하고 시각화 하며 실무에 활용 가능한 방법 공유
모두를 위한 프리미엄 강의,
지금 Orange를 활용한 데이터 분석으로 경쟁력을 높이세요!
다 떠먹여드립니다.수강할 마음만 준비하세요!
1. 강의 수강하기
2. 강사님을 따라 Orange 활용해보기
3. 데이터 기반으로 경쟁력 있는 분석 능력 발휘하기
성공의 3 STEP, 지금 밟을 차례입니다
DBSCAN과 PCA기법으로 군집화와 차원 축소 실습하기
K 평균 클러스터링 기법으로 데이터 분석 실습
데이터간의 거리와 유사도 측정으로 거리 행렬맵 분석
매니폴드 학습으로 고급 데이터까지 차원 축소
코딩에 대한 부담 없이 머신러닝의 기초를 이해하고 데이터를 활용한 분석 가능
데이터 간의 유사성과 차이를 수치화 하고
고차원 데이터를 이해하기 쉽게 시각화 하는 능력 획득
다양한 군집화 / 차원 축소 기법의 실습을 통해 비즈니스 전반에서 데이터 기반의 통찰력 발휘
시간이 지날수록 늘어나는 방대한 데이터,
이를 활용하는 것은 이제 선택이 아닌 필수가 되었습니다.
아직 늦지 않았습니다. 데이터를 적에서 동료로 바꾸세요.
– 실무적 데이터 분석 기술을 강화하고자 하는 분
– 어려운 코딩 없이 데이터 분석 능력을 향상하고자 하는 분
– AI와 데이터를 실무에 적용하여 비즈니스 인사이트를 도출하고자 하는 데이터 분석가
– 비지도 학습 및 군집화 & 차원 축소 기법을 통해 데이터를 분석하고자 하는 분
– 엑셀의 한계를 느끼고 더 간단한 고급 분석 도구를 원하는 분
– 취업 시장에서 자신만의 차별성을 강조하고 싶은 취준생
– IT 분야로 커리어 전환을 고려하는 직장인
머신 러닝, 데이터 분석 나와는 거리가 멀게 느껴 지셨나요?
Orange와 함께 복잡한 프로그래밍 없이 데이터 분석의 핵심 기술인 비지도 학습을 배우고,
비즈니스 현장에서 데이터 기반 의사결정을 주도하고 싶다면, 지금 바로 이 강의를 수강하세요.
STEP 1. 머신러닝과 비지도 학습의 기본 개념부터 차근차근
머신러닝 & 비지도 학습의 개념을 명확히 짚고 데이터 분석의 프로세스를 이해
STEP 2. 데이터에서 숨겨진 패턴을 발견하는 군집화 기법 학습
분할적 / 계층적 군집과 대표적인 군집화 알고리즘을 구체적으로 활용하는 방법 실습
STEP 3. 차원 축소 기법을 통한 데이터 시각화와 정보 압축
선형 / 비선형 차원 축소 기법을 통해 복잡한 데이터의 차원을 줄이면서 핵심 정보를 보존하는 방법 학습
STEP 4. 실무에 적용 가능한 데이터 분석 실습
이론과 함께 실제 데이터를 활용한 실습을 통해, 실용적인 데이터 분석 기술 습득
AI 시대의 주역이 될 준비가 되셨나요?
데이터 분석 더 이상 어렵게 생각하지 마세요.
지금이야말로 앞으로 도약할 최적의 기회!
더욱 향상된 효율성과 창의성을 먼저 경험하세요.
Q. 강의를 수강하기 위해 인공지능이나 코딩, 디자인에 대한 선수지식이 필요한가요?
A. 본 강의는 인공지능, 코딩, 또는 엑셀 실력과 같은 선수지식을 요구하지 않습니다. 누구나 쉽게 따라올 수 있도록 기초부터 설명 드립니다. 다만, 이전 단계인 오렌지 강의 Lv.1 또는 Lv.2까지 수강하시면 강의 내용을 더욱 원활하게 이해하실 수 있습니다.
Q. 강의를 수강하기 위한 요구 사항 또는 필요 조건이 있나요?
A. 오렌지를 일절 사용해보신 적이 없다면, 강의를 더욱 원활하게 진행하기 위해 기본적인 사용 방법이나 설치 방법을 미리 알아보시는 것을 추천 드립니다.
Q. 오렌지? 따로 소프트웨어를 구입해야 하나요?
A. 오렌지는 무료로 배포되고 있는 소프트웨어이며, 누구나 손쉽게 인공지능 데이터분석 환경을 구축 가능합니다. Portable 버전을 사용하면 외부 인터넷 연결 없이도 사용 가능하여, 보안 수준이 높은 근무 환경에서도 사용 가능합니다.
-
-
- 실습 위주의 강의이기 때문에 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다.
- 또한 Windows OS 기반으로 실습이 진행되므로, Windows 환경에서의 강의 수강을 추천해드립니다.
- 강의 교안 및 실습파일은 <00. 교재 다운로드 센터> 섹션에 존재합니다.
-
가능성을 깨우는 성장파트너,
마소캠퍼스
마소캠퍼스가 우리 모두의 성장을 위해 준비한 Actionable & Time-Saving 콘텐츠,
지금 확인해보세요. (기업 교육 문의는 biz@masocampus.com)
커리큘럼
| 00. 교재 다운로드 센터 | |||
| [onc47] AAD000 교재 다운로드 센터 | 00:00:00 | ||
| 01. 학습 내용 안내 | |||
| [onc47] AAD011 학습 내용 안내 | FREE | 00:07:04 | |
| 02. 비지도 학습의 이해 | |||
| [onc47] AAD021 정답 없이 배우는 비지도 학습 | FREE | 00:27:19 | |
| 03. 비슷한 것끼리 묶어주는 클러스터링 | |||
| [onc47] AAD031 분류(classfication)와 군집화(clustering) | 00:33:43 | ||
| [onc47] AAD032 군집화 알고리즘의 유형 | 00:25:13 | ||
| 04. 거리(distance)와 유사도(similarity) | |||
| [onc47] AAD041 비슷한 데이터 찾기- 거리(distance) | 00:25:14 | ||
| [onc47] AAD042 기하적 거리 측도- 유클리드, 맨해튼, 체비셰프, 민코프스키 | 00:27:17 | ||
| [onc47] AAD043 유사도 기반 측도- 코사인과 피어슨 유사도 | 00:39:58 | ||
| [onc47] AAD044 유사도 기반 측도- 자카드, 해밍, 마할라노비스 | 00:33:00 | ||
| [onc47] AAD045 거리 행렬과 거리 변환, 그리고 거리 행렬맵 | 00:19:18 | ||
| 05. 분할적 군집 분석: 중복 없는 클러스터링 | |||
| [onc47] AAD051 클러스터 중심을 찾는 K 평균 군집화 | 00:34:01 | ||
| [onc47] AAD052 K 평균 클러스터링을 활용한 데이터 분석 | 00:39:28 | ||
| [onc47] AAD053 클러스터링 품질 평가 – 실루엣 계수 | 00:25:18 | ||
| [onc47] AAD054 밀도를 고려하는 DBSCAN | 00:46:48 | ||
| 06. 계층적 군집 분석: 모으기와 쪼개기 | |||
| [onc47] AAD061 계층적 군집화와 덴드로그램 | 00:34:13 | ||
| [onc47] AAD062 네트워크를 군집화하는 루뱅 클러스터링 | 00:39:52 | ||
| [onc47] AAD063 네트워크를 군집화하는 루뱅 클러스터링-실습 | 00:04:31 | ||
| 07. 핵심 정보만 남기는 차원 축소 | |||
| [onc47] AAD071 차원의 저주와 차원 축소 | 00:46:09 | ||
| 08. 선형 차원 축소: 프로젝션 | |||
| [onc47] AAD081 핵심 축을 투영하는 주성분 분석(PCA) | 00:20:29 | ||
| [onc47] AAD082 핵심 축을 투영하는 주성분 분석(PCA)-실습 | 00:20:46 | ||
| [onc47] AAD083 PCA를 활용한 데이터 분석 | 00:29:10 | ||
| [onc47] AAD084 범주형 데이터를 위한 대응 분석(CA) | 00:23:54 | ||
| 09. 비선형 차원 축소: 매니폴드 학습 | |||
| [onc47] AAD091 매니폴드 학습 – t-sNE, LLE, MDS, ISOMAP, SOM | 00:29:29 | ||
541876 등록 수강생
